检测癫痫发作和解释脑电图直接算法方式
科学研究所(IISc)的研究人员与AIIMS瑞诗凯诗合作，开发了一种算法，可以帮助解码脑部扫描，以识别癫痫的发生和类型。
癫痫是一种神经系统疾病，大脑在短时间内发出突然爆发的电信号，导致癫痫发作，痉挛，在极端情况下，死亡。根据大脑不稳定信号的起源点，癫痫被归类为局灶性或全身性癫痫。局灶性癫痫发生在不稳定的信号局限于大脑的特定区域时。如果信号位于随机位置，则称为全身性癫痫。
为了确定患者是否癫痫，神经生理学家需要手动检查EEG(脑电图)，它可以捕获这种不稳定的信号。长时间后，脑电图的目视检查可能会变得疲惫，并且偶尔可能导致错误，电子系统工程系(DESE)助理教授Hardik J Pandya说，该研究发表在《生物医学信号处理与控制》杂志上。
“该研究旨在区分正常受试者的脑电图与癫痫脑电图。此外，开发的算法试图识别癫痫发作的类型。我们的工作是帮助神经科医生进行高效，快速的自动化筛查和诊断，“他补充道。
在他们的研究中，该团队报告了一种新颖的算法，可以筛选EEG数据并从电信号模式中识别癫痫的特征。研究人员说，经过初步训练，该算法能够根据各自分析中的这些模式，以高度的准确性检测人类受试者是否可能患有癫痫。
为了开发和训练算法，研究人员首先检查了在AIIMS瑞诗凯诗获得的88名人类受试者的脑电图数据。每个受试者都接受了45分钟的脑电图测试，分为两部分：受试者清醒时的初始10分钟测试，其中包括光刺激和过度通气，然后是受试者被要求睡觉时的35分钟睡眠期。接下来，该团队分析了这些数据，并将不同的波模式分为尖锐信号、尖峰和慢波。尖峰是信号在很短的时间内(约70毫秒)上升和下降的模式，而尖锐是那些在稍长的持续时间(约250毫秒)内上升和下降的模式，慢波具有更长的持续时间(约400毫秒)。
与健康个体相比，癫痫受试者表现出一组不同的模式。研究人员开发了一种算法来计算尖锐波的总数 - 累积尖锐计数 - 并将其用作检测受试者是否癫痫的参数(值越高表示受试者癫痫发作的可能性越大)。该算法还计算尖峰和急转弯下的区域总和，以区分局灶性癫痫和全身性癫痫(较大的值表示全身性癫痫，而不是局灶性癫痫，其值较低)。研究人员补充说，该研究显示了一种使用累积峰值波计数来识别失神发作(那些涉及短暂，突然意识丧失的癫痫发作)的方法;在某些情况下，这些失神发作是严重的，可能是致命的。
然后，该团队在一组新的脑电图数据上运行他们的算法，这些数据来自医生已经知道分类(他们是否患有癫痫，如果是，他们患有哪种类型的癫痫)。这项盲验证研究成功地在近91%的病例中准确地对受试者进行了分类。
“我们希望通过测试更多数据来进一步完善这一点，以考虑人类脑电图的更多变异性，直到我们达到完全翻译和稳健的程度，”DESE博士生，该研究的第一作者Rathin K Joshi说。
版权声明：本文由用户上传，如有侵权请联系删除！